webdriver爬取地级市天气数据

  • https://www.aqistudy.cn/historydata/
  • 目标:爬取地级市空气质量指数月统计历史数据
from bs4 import BeautifulSoup
from selenium import webdriver
import time, csv, lxml


def open_url(url, browser):  #模拟chrome打开网页#
    browser.get(url)
    time.sleep(0.5)  #间隔0.5s,表格中没有数据就设置长一点#
    html = browser.page_source
    soup = BeautifulSoup(html, features='lxml')

    return soup


def get_month():  #爬取月份#
    monthlist = []
    for i in range(1, 10):
        monthlist.append(f'2018-0{i}')
    for i in range(10, 13):
        monthlist.append(f'2018-{i}')

    return monthlist


def get_city():  #爬取城市#
    citylist = []
    city_url = 'https://www.aqistudy.cn/historydata/'
    city_soup = open_url(city_url, chrome)
    cityset = citysoup.findAll('div', {'class': 'all'})[0].findAll('li')
    for city in cityset:
        city = city.text.strip()  #去掉空格
        citylist.append(city)
    
    return citylist

    
def main():
    monthlist = get_month()
    citylist = get_city()

    for city in citylist:
        #表头#
        heads = ['date', 'AQI', '质量等级', 'PM2.5', 'PM10', 'SO2', 'CO', 'NO2', 'O3_8h']
        with open(f'{city}.csv', 'a', newline='') as f:
            f_csv = csv.writer(f)
            f_csv.writerow(heads)
        
        for month in monthlist:
            url = f'https://www.aqistudy.cn/historydata/daydata.php?city={city}&month={month}'
            soup = open_url(url, chrome)
            table = soup.find('table')

            num = str(table).count('<tr')
            for i in range(num):
                if i != 0:
                    tdata = table.find_all('tr')[i].find_all('td')
                    data = []
                    for i in tdata:
                        data.append(i.text)
                    with open(f'{city}.csv', 'a', newline='') as f:
                        f_csv = csv.writer(f)
                        f_csv.writerow(data)
                        
    chrome.quit()


if __name__ == '__main__':
    chrome = webdriver.Chrome()
    main()
  • 2
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
爬取空气质量检测网的部分城市的历年每天质量数据 思路----------------------------------------- 从某城市的空气质量网页获取某市每月的链接,再爬取每个月的表格数据。连云港市:https://www.aqistudy.cn/historydata/daydata.php?city=连云港 连云港2014年5月的空气质量:https://www.aqistudy.cn/historydata/daydata.php?city=连云港&month=2014-05 遇到的问题----------------------------------------- 获取的网页中的表格数据隐藏,尝试requests无法获取。判断可能是动态加载的网页 尝试----------------------------------------- 1. 通过XHR,js查找隐藏数据的加载网页,没有找到。 2. 使用phantomjs.get() result=pd.read_html ,可以获得隐藏的表格数据,但是并不稳定,只是偶尔出现加载的表格数据,无法大规模的获取 解决方法----------------------------------------- 查找资料得知这个网站的表格数据在Console里的items中, 使用selenium的webdriver.firefox(),driver.execute_script("return items") 数据可获得。 仍遇到的问题:----------------------------------------- 爬取一个网页可获得数据,但是连续的获取网页,会出现两个错误。 1.Message: ReferenceError: items is not defined 2.connection refused 解决方法: 1.connection refused问题,可能是网页开太多,使用driver.quit() 2. 如果 execute_script 还是出错,可尝试pd.read_html获取信息。之前用phantomjs获取的时候输出空的表格,可能由于加载不够,用 Waite直到table出现之后再获取网页 Element=wait.until(EC.element_to_be_clickable((By.XPATH,"/html/body/div[3]/div[1]/div[1]/table/tbody"))) 3.之后出现偶尔出现输出为空,使用循环,如果输出表格为空,再重新获取。 if len(result)>1: filename = str(month) + '.xls' result.to_excel('E:\python\案例程序\data\\' + filename) print('成功存入'+filename) driver.quit() else: driver.quit() return getdata(monthhref,month)
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值